On the structure of exchangeable extreme-value copulas
我们表明，$d$变量对称稳定的尾部依赖函数，唯一与可交换$d$ -维极值copula，是一个单纯形，并确定其极值边界。作为$(d+k)$变量对称稳定尾部依赖函数的集合的$d$ -边缘所产生的元素的子集被证明是适当的任意$k \geq 1$。最后，我们得到了二元极值copula作为任意大维数的可交换极值copula的双边而成为条件iid的一个直观而有用的必要条件.
2019-09-20 math.PR math.ST stat.ME
Exact Simulation of reciprocal Archimedean copulas
对于平均测度在正半轴上具有有限生存函数的Poisson随机测度，其点的递减计数可表示为标准Poisson过程跳时的非增函数.这一观察允许推广的基本思想，从一个众所周知的精确模拟算法的任意极值copulas copulas的一个更一般的家庭的最大-无穷可分分布，与倒数阿基米德copulas是一个特殊的例子。
2018-05-16 stat.ME
Bayesian inference for generalized extreme value distribution with Gaussian copula dependence
依赖广义极值（dGEV）模型因其在实际数据中经常出现的依赖结构而受到广泛关注。为了构建dGEV模型，一种自然的方法是假设模型中的一些参数是时变的。以前的研究表明，一个依赖的Gumbel过程可以自然地纳入GEV模型。该模型是一个非线性状态空间模型，其隐状态遵循马尔可夫过程，其新息遵循Gumbel分布。可以使用贝叶斯方法对模型进行推断，从用于近似Gumbel分布的混合正态分布中对隐藏过程进行采样。因此，响应遵循近似GEV模型。我们提出了一个新的模型，其中每个边缘分布是一个精确的GEV分布。我们使用一个变量变换结合边际CDF的Gumbel分布与标准的正常Copula。然后，我们的模型是一个非线性状态空间模型，其中隐藏的状态方程是高斯。我们使用贝叶斯方法分析该模型，并使用粒子吉布斯祖先采样（PGAS）的状态向量的元素进行采样。PGAS算法在求解非线性状态空间模型方面是非常有效的。我们还表明，我们的模型是灵活的，足以纳入季节性。
2017-03-02 stat.ME
Extreme event propagation using counterfactual theory and vine copulas
了解多元极端事件在管理复杂系统的风险方面发挥着至关重要的作用，因为极端事件是由其自身的机制控制的。以给定变量超过高阈值为条件（例如\交通强度），了解哪些高影响量（例如空气污染物水平）在未来最有可能达到极限是关键。本文研究了边际极端事件对相关量的未来极端事件的贡献。我们提出了一个极端事件传播框架，以最大限度地提高已知原因和未来高影响量之间的反事实因果关系概率。极值理论提供了一个工具，用于模拟上尾，而藤连接是一个灵活的设备，用于捕捉各种各样的联合极值行为。我们优化了因果关系的概率，并将我们的框架应用于伦敦道路交通和空气污染物数据集。我们复制记录的大气机制超越线性关系。这提供了一个新的工具，用于量化极端的传播在各种各样的应用。
2021-06-25 stat.ME stat.OT
Amortized Bayesian Inference for Spatio-Temporal Extremes: A Copula Factor Model with Autoregression
Universidad de Costa Rica（哥斯达黎加大学）；Centro de Investigación en Matemática Pura y Aplicada（纯数学与应用数学研究中心）；Escuela de Matemática（数学学院）
本研究提出带自回归因子的贝叶斯时空Copula极值模型，结合嵌入摊销神经后验估计的Gibbs采样实现高效推断，经模拟和降水数据验证，可提升估计精度，为热带干旱地区气候风险管理提供支持。
2025-10-02 stat.ME
A geometric investigation into the tail dependence of vine copulas
藤连接函数是一种多元依赖模型，由一组根据特定的底层图形结构组合的二元连接函数组成。他们的灵活性和实用性，在中等和高的维度作出了贡献的普及藤copula，但相对较少的关注已经支付给他们的极值性质。为了解决这个问题，我们提出了一些研究最广泛的葡萄树copula类的尾部依赖特性的结果。我们的研究重点是尾部依赖系数和样本云的渐近形状，我们使用Nolde（2014）的几何方法计算。我们提供了新的见解，提出了三变量藤copula构造的结果，从渐近依赖和渐近独立的二元copula，专注于二元极值和倒极值copula，与额外的细节提供了逻辑和倒逻辑的例子。我们还提出了新的理论，一类高维藤copula，构造从二元倒极值copula。
2020-12-17 math.ST stat.ME stat.TH
Trends in tail dependence of heteroscedastic extremes
Tilburg University（蒂尔堡大学）；Erasmus University Rotterdam（鹿特丹伊拉斯姆斯大学）
本文研究独立但非同分布随机向量的多变量极值统计，提出非参数估计整合尾部Copula的方法，并探讨其渐近行为，验证了异质边际分布对极限过程无影响，通过模拟研究展示理论结果的有限样本性能和检验功效。
2026-04-13 math.ST stat.ME stat.TH
Dynamic Bivariate Normal Copula
相关系数在$-1$和$1$之间的正态copula是尾部独立的，因此它严重低估了极端概率。通过让正态copula中的相关系数依赖于样本量，Hüsler和Reiss（1989）表明尾部可以变得渐近相关。在本文中，我们通过导出$n$独立观测值的归一化最大值的极限来扩展这个结果，其中$i$观测值来自一个正态copula，其相关系数是$i/n$的参数或非参数函数。此外，参数和非参数推断这个未知函数的研究，可以用来测试的条件Hüsler和Reiss（1989）。并进行了仿真研究和实测数据分析。
2015-05-14 stat.ME
An overview of nonparametric tests of extreme-value dependence and of some related statistical procedures
综述了现有的极值依赖的非参数检验。给出了一个i.i.d.\从一个连续分布的随机向量样本，这样的测试旨在评估潜在的未知copula是否是{ \em极值}类型或没有。现有的方法在文献中进行了总结，根据如何偏离极值依赖评估。下面简要描述在用这种类型的依赖性对数据建模时有用的相关统计过程。两个插图上的真实数据集，然后进行使用的一些统计程序正在考虑实施的\textsf{R}包{ \tt copula}。最后讨论了{ \em最大吸引域}条件的检验问题。
2014-10-24 stat.ME
Semiparametric bivariate extreme-value copulas
极值Copula作为分量最大值的极限依赖结构而出现。根据函数参数定义，它们是最广泛的copula家族之一，因为它们的灵活性和捕获不对称性的能力。尽管如此，在无约束设置中满足该参数的复杂分析特性仍然是一个挑战，限制了大多数使用具有非常少的参数或非参数模型的模型。针对双变量的情况，我们提出了一种新的半参数方法。我们的过程依赖于一系列的变换，包括威廉森变换和从零积分样条开始。在没有进一步约束的情况下，可以通过利用梯度优化的极大似然估计来有效地获得完全兼容的解决方案。我们成功地对模拟和真实世界的数据进行了几次实验。我们的方法优于另一个众所周知的非参数技术在各种设置中的小型和中型样本。它的表现力是由引力波探测LIGO和Virgo合作收集的宝贵数据说明。
2022-03-24 math.ST stat.CO stat.ME
Extreme Value Inference for CoVaR and Systemic Risk
University of Manitoba（曼尼托巴大学）；Department of Statistics, University of British Columbia（不列颠哥伦比亚大学统计学系）
本文提出基于Copula调整概率水平的极值框架，用于推断CoVaR和系统性风险，通过Copula条件分布的极限行为分析尾部区域，并提出最小距离估计方法评估多尾部区域。
2026-03-29 stat.ME
An overview of the goodness-of-fit test problem for copulas
我们回顾了Copula拟合优度检验的主要“综合程序”：基于经验Copula过程、概率积分变换、Kendall依赖函数等的检验，以及一些相应的降维技术。讨论了无渐近分布的检验统计量的求法和可靠p值的计算问题。一些特殊的情况下，如方便测试的时间依赖copula，阿基米德或极值copula等，处理。最后，对所提出的方法的实际性能进行了简要总结。
2012-11-19 q-fin.ST stat.ME
Joint return levels of maximum temperature and minimum relative humidity by combining copulas with an extreme value framework for bimodal data
University of Brasília（巴西利亚大学）；Federal University of Rio Grande do Norte（北里奥格兰德联邦大学）
本研究结合Copula与适用于双峰数据的极值框架，分析巴西利亚最高气温与最小相对湿度的联合重现水平，为当地气候风险应对提供关键依据。
2026-08-12 stat.AP stat.ME
Gaussian mixture copulas for flexible dependence modelling in the body and tails of joint distributions
本文提出基于高斯混合的连接函数模型，无需定义极端区域即可统一建模主体与尾部相依结构，可扩展至高维并兼顾渐近相依与独立情形，通过模拟和五维空气污染数据验证其灵活性与图结构识别能力。
2025-03-08 stat.AP stat.ME
Some copula inference procedures adapted to the presence of ties
当使用所谓的\emph{copula approach}对多变量连续随机向量的分布进行建模时，由于舍入或缺乏测量精度，在可用数据的坐标样本中存在联系并不罕见。然而，绝大多数现有的推理程序的基础copula的理论推导和实践中实现的假设没有关系。然而，应用它们可能会导致严重的偏差结果。然而，一些现有的统计检验可以进行调整，以提供有意义的结果，在关系的存在。这是交换性、径向对称性、极值依赖性和拟合优度的一些检验的情况。详细的算法计算近似的p值的修改后的测试和他们的有限样本的行为进行了实证研究，通过广泛的蒙特卡罗实验。一个现实世界的保险数据集上的插图结束了工作。
2017-02-06 stat.ME
Estimation of Extreme Quantiles for Functions of Dependent Random Variables
本文提出了一种估计多个相依随机变量函数极值分位数的新方法。与基于极值理论的传统方法相比，我们不施加条件，即底层分布的尾部允许近似的参数形式，而且，我们的估计利用了完整的观测数据。所提出的方法是半参数的，因为没有参数的形式假定所有的边缘分布。但是我们利用最近在构造高维藤连接函数方面的发展，选择合适的二元连接函数来模拟联合依赖结构。因此，从拟合的联合分布中抽取一个大的自助样本得到的样本分位数被用作极值分位数的估计量。证明了该估计量是相容的。仿真结果进一步说明了该方法的可靠性和鲁棒性。
2013-11-21 stat.ME
Switching-GAS Copula Models With Application to Systemic Risk
最近的金融灾难强调了准确预测极端金融损失及其对特定金融市场机构的后果的必要性。计量经济学模型预测极端事件的能力在很大程度上依赖于它们的灵活性，以解释在金融回报中观察到的高度非线性和不对称的依赖性。我们开发了一类新的灵活的Copula模型的依赖参数的演变遵循马尔可夫开关广义自回归分数（SGASC）的动态。极大似然估计始终使用边际推断函数（IFM）方法和专为此类模型定制的期望最大化（EM）算法版本进行。然后，SGASC模型用于估计条件风险价值（CoVaR），其定义为给定资产在另一资产（或投资组合）处于财务困境的条件下的VaR，以及条件预期短缺（CoES）。我们的实证研究表明，建议的SGASC模型能够解释和预测几个欧洲国家的系统性风险的贡献。此外，我们还发现，SGASC模型优于竞争对手使用几个CoVaR回测程序。
2016-01-21 q-fin.RM stat.ME
Joint modelling of the body and tail of bivariate data
针对双变量场景下同时刻画数据主体与尾部依赖的模型稀缺问题，提出一种结合两类copula与动态加权函数的混合依赖模型，经数值分析、模拟及英国气温-臭氧数据验证，拟合效果更优且能捕捉复杂依赖结构。
2023-10-10 stat.ME
Nonsymmetric Dependence Measures: the Discrete Case
继我们以前的工作基于copula的非对称依赖措施，我们介绍了类似的措施，离散随机变量。该测度涵盖了独立性和完全依赖性两个极端之间的范围，即独立性时取最小值，完全依赖性时取最大值。我们发现在连续情况下，* 乘积copula减少到转移矩阵在离散情况下的矩阵产品，我们用它来证明DPI条件。这些测度也可以扩展到检测离散随机变量组之间的相关性或条件相关性。与连续情况不同，一个缺点是测量值取决于边缘分布。
2015-12-25 stat.ME
Uncertainty quantification for critical energy systems during compound extremes via BMW-GAM
Argonne National Laboratory（阿贡国家实验室）
本文提出通过BMW-GAM方法对复合极端天气事件中关键能源系统的不确定性进行量化，利用高斯Copula和贝叶斯广义加性模型进行高效模拟与拟合。
2026-03-09 stat.AP stat.ME
Using a priori knowledge to construct copulas
我们的目的是建立两个随机变量之间的依赖关系模型，同时考虑到这些变量的先验知识。例如，在许多应用中（海洋学、金融.），这两个变量之间存在一个顺序关系，当一个取高值时，另一个不能取低值，反之也是可能的。因此，这两个变量的高值的相关性是不对称的。然而，也存在最小的依赖性：一个变量的低值与另一个变量的低值相关联。对于两个变量的最大值或最小值，依赖性也可以是极端的。本文利用混合变量逐步构造了具有渐近最小相关性的非对称copula函数，以及具有或不具有渐近最大相关性的非对称copula函数，首先得到非对称相关性，然后得到最小相关性.我们将这些模型拟合到一个真实的海况数据集上，当它们嵌套时使用似然比检验，否则使用BIC准则（贝叶斯信息准则）进行比较。
2010-04-21 stat.AP stat.ME
Decomposable Tail Graphical Models
我们开发了一个渐近理论的极端可分解的图形模型，提出适用于一系列的极端依赖类型的结果。具体而言，我们调查的弱极限分布的适当规范化的随机向量，条件上的极端组件，其中的条件独立关系的随机向量所描述的弦图。在适当的假设下，对应于弱极限分布的随机向量，称为尾图模型，继承了原弦图的图形结构。我们的理论适用于广泛的可分解的图形模型，包括渐近依赖和渐近独立的图形模型。此外，我们分析了Copula类的组合与不同的极值依赖的情况下，在正常化的条件变量是不保证我们的假设。我们表明，在一个方块图中，与分离器相关的随机变量归一化的随机向量的分布收敛弱分布，我们术语尾噪声。特别地，我们研究了归一化随机向量的极限，其中团分布属于两个广泛使用的copula类，高斯copula和最大稳定copula。
2023-02-10 math.ST stat.ME stat.TH
On estimating extremal dependence structures by parametric spectral measures
在可用数据稀疏的情况下，通常需要估计极值copula。因此，参数方法可能是首选方法。定义参数族的一种可能的方法是简单的，同时，涵盖了各种各样的多元极值依赖结构是建立基于谱测量的模型。这里考虑这种方法。谱测度的参数族被定义为适当基元的凸包，参数通过在这些有限维空间上投影初始非参数估计来估计。得到了估计参数的渐近分布以及谱测度和极值copula的估计。有限样本的性质说明了模拟研究。
2013-01-27 math.ST stat.ME stat.TH
Selected Methods for non-Gaussian Data Analysis
本文研究非高斯分布数据的分析方法，探讨了单变量数据中自相关增量的随机过程以及Levy和Tsallis分布，多变量非高斯分布采用Copula方法，并讨论了高阶多变量cumulants在提取非高斯多变量分布信息中的应用。
2019-02-08 cs.NA math.NA stat.ME
A semiparametric approach for bivariate extreme exceedances
尾上的推论仅通过应用极值理论的结果来执行。虽然这种理论在单变量的情况下是很好的定义和足够的灵活性，多变量推理方法往往需要强加任意的约束，而不是完全合理的基础理论。相比之下，我们的方法只使用理论施加的约束。我们建立在以前的，理论上合理的工作，在一个高的，未知的阈值的边际copucances，通过结合它与灵活的，半参数copulae规格，调查极端的依赖。虽然概率判断的极端政权的所有边际变量，我们的方法正式使用完整的数据集，并允许各种模式的依赖，无论是极端与否。一个新的概率准则量化的可能性，数据表现出渐近独立的介绍和其鲁棒性的实证研究。极值分析中感兴趣的函数的估计是通过MCMC算法进行的。注意力也致力于新的极端观测的预测。我们的方法进行评估，通过一系列的模拟，应用到真实的数据集和评估对竞争的方法。证据表明，大部分的数据不偏置，并改善了极端依赖的推理过程。
2017-08-10 stat.ME
Towards more realistic climate model outputs: A multivariate bias correction based on zero-inflated vine copulas
本文提出 VBC，利用 vine copula 与随机化 Rosenblatt 变换建模零膨胀多变量气候数据的依赖结构，显著提升3小时 CRCM5 输出的偏差校正效果。
2025-05-15 stat.AP stat.ME
Multiple block sizes and overlapping blocks for multivariate time series extremes
块极大值方法构成了极值分析中统计工具箱的基本部分。然而，大多数相应的理论是在简化的假设下得出的，即块极大值是来自真正的极值分布的独立观测值。然而，在实践中，块大小是有限的，并且来自不同块的观测是相关的。关于后者的并发症的理论还没有得到很好的发展，并且在多变量的情况下，最近才建立了一个单一的块大小的不相交块。我们表明，使用重叠的块，而不是不相交的块导致统一的改进的渐进方差的多变量经验分布函数的重新缩放块的最大值和任何光滑的泛函（如经验copula），而没有任何牺牲的渐近偏差。我们进一步推导出多元经验分布函数和经验copula函数的泛函中心极限定理，这些函数在块大小参数上是一致的，这似乎是基于块极大值的估计的第一个结果。该理论允许在多个块大小上的各种聚合方案，导致在单个分组长度情况下的实质性改进，并为进一步的方法开发打开了大门。特别是，我们考虑偏差校正程序，可以提高极值估计的收敛速度，并在主要目的是偏差校正时，对二阶参数的估计提供一些新的启示。
2019-07-22 math.ST stat.ME stat.TH
A2 Copula-Driven Spatial Bayesian Neural Network For Modeling Non-Gaussian Dependence: A Simulation Study
Department of Mathematics, University of Louisiana at Lafayette（数学系，路易斯安那州立大学拉斐特分校）；Department of Physical Sciences & Mathematics, West Liberty University（物理科学与数学系，韦斯特利比大学）；Department of Mathematics and Statistics, Minnesota State University（数学与统计学系，明尼苏达州立大学）；Department of Statistics, formerly of Presidency College, Kolkata, India（统计学系，原加尔各答 Presidency College）；Department of Kinesiology, University of Louisiana at Lafayette（运动科学系，路易斯安那州立大学拉斐特分校）；Department of Mathematics and Statistics, Texas Tech University（数学与统计学系，德克萨斯技术大学）；The Office of Vice President for Research, Innovation, and Economic Development, University of Louisiana at Lafayette（研究、创新与经济发展副总监办公室，路易斯安那州立大学拉斐特分校）
本文提出A2 Copula空间贝叶斯神经网络（A2-SBNN），通过将A2 copula嵌入权重初始化并采用校准驱动训练，有效建模空间极端依赖性，为非高斯空间数据提供高精度预测方案。
2025-05-29 cs.LG stat.ME stat.ML
X-Vine Models for Multivariate Extremes
本项目利用正则藤结构分解和构建多元极值分布的指数测度密度或尾部 copula 密度，提出 X-vine 模型，并通过递归公式、模拟算法及参数估计方法，结合 Monte Carlo 实验和航班延误数据验证其有效性。
2024-06-27 math.ST stat.ME stat.TH
Modeling spatial extremes using normal mean-variance mixtures
经典的多变量或空间极值模型主要是基于渐近合理的最大稳定或广义帕累托过程。当存在渐近依赖性时，这些模型是合适的，即，联合尾部以与边缘尾部相同的速率衰减。然而，最近的环境数据的应用表明，渐近独立性是同样重要的，不幸的是，现有的空间模型，在这种情况下，既灵活，可以有效地拟合是稀缺的。本文提出了一种基于广义双曲分布的空间copula模型，广义双曲分布是一种特殊的正态均值-方差混合分布，在金融建模中非常流行。这种分布的尾部性质已经在文献中进行了研究，但结果相互矛盾。事实证明，文献中的证明包含错误。在这里，我们给出了一个正确的理论描述，其尾部依赖结构，然后利用该模型来分析一个模拟数据集从倒置的Brown-Resnick过程，后报显着波高数据在北海，阵风数据在美国俄克拉荷马州。我们证明了我们提出的模型是足够灵活的，不仅在尾部，而且在批量捕获的依赖结构。
2021-05-11 stat.ME
A New Regression Model for Analyzing Non-Stationary Extremes in Response and Covariate Variables with an Application in Meteorology
本文提出一种新回归模型，专为响应变量和协变量均为非平稳极值（块极大值）的情况设计，基于极值Copula构建回归流形并应用Logistic-normal先验，数值研究和气象数据分析证明了其有效性。
2025-06-25 math.ST stat.ME stat.TH
Sparse-GEV: Sparse Latent Space Model for Multivariate Extreme Value Time Serie Modeling
University of Southern California（南加州大学）；IBM T.J. Watson Research Center（IBM T.J. Watson研究中心）
在时间序列模型的许多应用中，如气候分析、社交媒体分析等，我们往往对极端事件感兴趣，如热浪、阵风、突发话题等。这些时间序列数据通常呈现重尾分布而不是高斯分布。由于对数据分布的假设差异很大，而且缺乏足够的极端事件过去数据，这对现有方法构成了巨大挑战。在本文中，我们提出了Sparse-GEV模型，一个潜在的状态模型的基础上的极值建模理论，自动学习稀疏的时间依赖性，并作出预测。我们的模型是理论上有意义的，因为它是第一个模型，学习稀疏的时间依赖性之间的多元极值时间序列。我们证明了我们的算法的性能优越的国家的最先进的方法，包括格兰杰因果关系，copula方法和转移熵，一个合成数据集，一个气候数据集和两个Twitter数据集。
2012-06-18 cs.LG stat.AP stat.ME
A spatio-temporal statistical framework for heatwave attribution under climate change
UCLouvain（法语鲁汶大学）；KU Leuven（荷语鲁汶大学）；University of Leicester（莱斯特大学）
本文提出一种统一的时空统计框架，用于归因气候变化下的热浪，通过结合空间量化回归模型、非平稳空间极值模型和皮尔逊模型，分析热浪的概率和持续性，提升对传统方法无法捕捉的热浪特征的归因能力。
2026-04-29 stat.AP stat.ME
